Оценка боли остается серьезной клинической проблемой в отделениях интенсивной терапии (ОИТ), особенно у пациентов на ИВЛ, под седацией и под действием миорелаксанов, лишенных возможности словесного контакта, а также из-за ограниченной точности поведенческих инструментов. Поэтому необходимо разрабатывать инновационные подходы. В этом случае объективная и независимая от наблюдателя оценка боли будет не только поддержкой для врача, но и инструментом персонализированного подбора обезболивающей терапии.

Цель обзора — анализ применения искусственного интеллекта (ИИ) для автоматической оценки боли в текущей практике отделений интенсивной терапии, уделяя особое внимание интеграции биосигналов, поведенческих индикаторов и мультимодальных данных для выявления ноцицептивных реакций.

Был проведен систематический поиск в базах данных PubMed, Web of Science и IEEE Xplore (2015—2025) с использованием терминов «оценка боли», «интенсивная терапия», «искусственный интеллект», «машинное обучение», «выражение лица», «пупиллометрия», «вариабельность сердечного ритма» и «мониторинг ноцицепции». Научные результаты были сгруппированы по трем основным доменам: поведенческие методы и методы компьютерного зрения, вегетативные и электрофизиологические показатели, а также мультимодальные и управляемые ИИ интегрированные системы.

Заключение. Несмотря на то, что системы искусственного интеллекта для автоматической оценки боли в отделениях интенсивной терапии демонстрируют многообещающую производительность, ряд проблем ограничивает их применение в клинической практике. Вариабельность сигналов, обусловленная фармакологическими, неврологическими или гемодинамическими факторами, может дискредитировать надежность модели. Кроме того, нехватка маркированных наборов данных в отделениях интенсивной терапии может препятствовать их обобщению. Необходимо решить вопросы этики, регулирования и функциональной совместимости. Поэтому для рутинного внедрения требуется широкомасштабная валидация в различных отделениях интенсивной терапии для подтверждения надежности, обеспечения достоверности и установления клинической полезности.